基于机器学习的钢铁现货价格模型

发布时间：2021-12-08 22:25

　　自钢铁业"寒冬季"以来,各大钢厂都在探索新的业务与销售模式,伴随着传统期货-以销定产模式的疲软,现货交易-电商竞价销售模式变得越来越重要。近几年,随着B钢厂的大型重组和传统期货销售的疲软,现货销售资源在短时间内从不到100万t超过了350万t。然而B钢厂的现货定价机制仍然沿用了20年前基于人工专家经验沉淀、更新的价格模型。虽然专家经验计算价格底价的方式可以借助竞价机制补足额外的溢价空间,但在目前普遍存在竞价"不充分"的电商销售环境下,如何将竞价底价计算更贴近实际市场行情,避免因竞价底价过低造成的损失,是一个很重要的研究课题。 

【文章来源】：冶金自动化. 2020,44(S1)

【文章页数】：4 页

【部分图文】：

L0库龄与价差关系图

其他品种库龄与价差关系图

基于贝叶斯理论的价格预测理论:基于机器学习的价格模型的核心需求是对溢价或实际成交价的预测，解决是否应该加价的分类问题，以及加幅多少的回归问题。本文研究使用以内外部数据作为依据建立模型，可靠地预测对于每一个特定的品种、牌号等参数组合的捆包在特定的市场环境下的真实市场价值。通过以贝叶斯理论为基础的概率模型[1]，引入先验概率建模和似然概率分布综合，以互补的模式获得后验概率最优的预测结果，理论模型框架如图3所示。当利用最大化后验概率预测得到的价格不显著高于竞价底价时，选择不加价。而当预测得到的价格显著高于竞价底价时，进行价格模型加价，加价幅度为预测价格减去竞价底价再减去一个保留价差。其目的是为了保留一定的竞价空间给买家，吸引买家参与竞价。

【参考文献】：
期刊论文
[1]基于贝叶斯机器学习的生态模型参数优化方法研究[J]. 何立杰,何洪林,任小丽,葛蓉,杨涛,朱超.  地球信息科学学报. 2017(10)
[2]贝叶斯机器学习前沿进展综述[J]. 朱军,胡文波.  计算机研究与发展. 2015(01)
[3]基于树状条件随机场模型的语义角色标注[J]. 李明,王亚斌,张其文,王旭阳.  计算机工程. 2010(18)
[4]基于类自适应高斯-马尔可夫随机场模型和EM算法的MR图像分割[J]. 王文辉,冯前进,刘磊,陈武凡.  中国图象图形学报. 2008(03)

博士论文
[1]数据分类的贝叶斯模糊学习和基于凸包的快速学习方法研究[D]. 顾晓清.江南大学 2017



本文编号：3529357